Minería de datos educativos: análisis del desempeño de estudiantes de ingeniería en las pruebas SABER-PRO



Título del documento: Minería de datos educativos: análisis del desempeño de estudiantes de ingeniería en las pruebas SABER-PRO
Revista: Revista politécnica
Base de datos: PERIÓDICA
Número de sistema: 000435342
ISSN: 1900-2351
Autors: 1
2
Institucions: 1Universidad Pontificia Bolivariana, Facultad de Ingeniería en Tecnologías de la Información y la Comunicación, Medellín, Antioquia. Colombia
2Universidad Católica de Oriente, Facultad de Ingeniería Electrónica, Rionegro, Antioquia. Colombia
Any:
Període: Jul-Dic
Volum: 15
Número: 29
Paginació: 128-140
País: Colombia
Idioma: Español
Tipo de documento: Artículo
Enfoque: Aplicado, descriptivo
Resumen en español En Colombia, las pruebas de Estado Saber-Pro han sido diseñadas para apoyar la evaluación y el mejoramiento de la educación superior en el país. Aplicando la metodología de minería de datos CRISP-DM, se realiza un estudio de los resultados obtenidos en las pruebas Saber-Pro de estudiantes de ingeniería en Antioquia (Colombia). A partir de 108 variables académicas, económicas y socio demográficas se realizan 3 modelos analíticos: 1) agrupación de los tipos de estudiantes, 2) selección de los factores que más influyen en el desempeño de las pruebas, y 3) predicción del desempeño en las pruebas a partir de las variables seleccionadas. Como resultado se encuentra que algunas de las variables más influyentes sobre el resultado de las pruebas son: el número de personas a cargo, método de enseñanza, si el hogar es permanente, el carácter académico de la institución y facilidades económicas como tener horno micro gas y motocicleta
Resumen en inglés In Colombia, the Saber-Pro test has been created to support the evaluation and improvement of higher education in the country. This article, applies the CRISP-DM data mining methodology to perform a study of the results obtained in the Saber-Pro tests of engineering students in Antioquia (Colombia). Three analytical models are developed from 108 academic, economic and socio-demographic variables: 1) clustering about student types, 2) selection of the most influential factors in the results of the tests, and 3) prediction of performance in the tests from the selected factors. As a result, the most influential variables on the test result are: the number of dependents, teaching method, if the home is permanent, the academic character of the institution and economic facilities such as micro-gas oven and motorcycle
Disciplines Bibliotecología y ciencia de la información,
Educación
Paraules clau: Análisis y sistematización de la información,
Evaluación educativa,
Aprovechamiento escolar,
Minería de datos,
Aprendizaje de máquinas
Keyword: Information analysis,
Educational evaluation,
Academic performance,
Data mining,
Machine learning
Text complet: http://biblat.unam.mx/hevila/Revistapolitecnica/2019/vol15/no29/10.pdf